- 可控蛋白质序列设计的生成式人工智能：综述
通过综述最新的生成式人工智能在可控蛋白序列设计方面的进展，本文提出了蛋白质工程、生成式人工智能、蛋白序列设计、优化算法和研究机会等关键词，以及未解决的挑战。
- 利用大规模语言模型增强时间序列分析：综述
对利用大型语言模型（LLMs）进行时间序列分析的现有方法进行了系统概述，总结了基于 LLM 的时间序列分析的一般流程，并探讨了未来的研究机会。
- 迈向统一的深度图像去雨技术：综述和新基准
该研究论文系统回顾了现有的图像去雨方法，并提供了统一的评估设置以评估其性能，同时构建了一个高质量的基准和一个在线平台，以便进行大规模性能评估。
- 迄今为止我们在哪里？从人工智能合作的角度理解数据叙事工具
数据叙事是一个强大的沟通数据洞察力的工具，但需要人类创建者具备多种技能和相当的努力。最近的研究广泛探讨了人工智能（AI）在支持和增强数据叙事中与人类的合作潜力，然而目前缺乏一个系统性的回顾来理解数据叙事工具从人工智能与人类合作的角度，这阻碍 - Europepolls: 欧盟和英国的国家级民调数据集
构建一个开放的国家级历史民意调查数据集，以填补现有欧盟民意调查数据的不足，并为研究人员提供解析多模态数据（新闻文章、经济指标、社交媒体）和选民行为之间复杂交互的机会。
- 社交媒体流的事件检测：方法、数据集和机会
本文介绍了社交媒体上事件检测的方法和数据集，探讨了该领域的研究机会。
- 个人知识图谱生态系统：调查和研究路线图
本文提出了一个面向个人知识图谱 (PKG) 的生态系统，旨在解决 PKG 的普及化挑战，设计了一个统一的 PKG 框架，并综合了现有工作，分析其在该框架下的地位及挑战与机遇。
- 交互式可视化在解释（大型）NLP 模型中的作用：从数据到推理
探讨了交互式可视化在解释自然语言处理模型中的作用、与目标用户和 NLP 管道的关系，提供了几个使用 XNLP 可视化的具体示例，并指出了该领域的广泛研究机会。
- 关于 GPT-3 的调查
本文介绍 GPT-3 技术的历史发展、关键特性、机器学习模型和数据集，并讨论了其在各个领域中的应用，如人工智能聊天机器人、软件开发、创意工作、领域知识和商业生产力；同时探讨了 GPT-3 面临的挑战，如训练复杂性、偏见和幻觉 / 错误答案等 - 可视化文本分析中评估和实验设计的跨学科视角：立场文献
本篇论文旨在从可视化与自然语言处理的交叉学科角度，探讨评估可视化文本分析方法的挑战，例如数据歧义、实验设计、用户信任以及整体考虑等，并提出研究机会。
- ICML存在对手的即兴团队合作
本文介绍了将对手纳入 ad hoc teamwork 的重要性，并探讨了该问题的难度，提出了新的研究方向，旨在实现更加强大的多智能体网络物理基础设施系统。
- 自动文本摘要方法：综述
本文详细介绍了文本摘要的各种方法，包括提取和抽象两种途径，评估指标、基准数据集与未来的研究展望，并讨论了生成摘要的不同评估方法与相关研究中可能出现的挑战和研究机遇。
- PeerSum：用于抽象多文档摘要的同行评审数据集
本文介绍了 PeerSum，这是一个使用科学出版物的同行评审的新 MDS 数据集。与现有的 MDS 数据集不同，我们的摘要（即元评审）具有高度抽象性，是源文件的真实摘要（即评论），并且还包括源文件之间的争议。我们发现，目前最先进的 MDS - 机器学习可视化分析技术综述
通过系统审视 259 篇近 10 年来发表以及 2010 年前的代表性著作，我们构建了一个分类法，其中包括技术建模前、建模过程中以及建模后的三个一级类别；每个类别可以进一步分为具体的分析任务，并列举了一些最近具有影响力的作品。同时，我们还讨 - MM计算机和大脑的新时代
计算机科学和脑科学的历史紧密相连。两者间存在着类似和不同之处。该研究提出要研究脑科学与计算机科学的交界处，并探索其带来的新机遇和连接。在这个界面，还存在许多关键问题需要研究，同时也提供了 CISE 研究社区发挥战略作用的机会，以促进工作的进 - DeepFake 检测：当前的挑战和下一步
本文讨论了 AI 算法生成的高质量伪造视频和音频（deep fakes）对于作为事件确定证据的视频和音频的挑战，强调了其中的一些挑战并探讨了相关研究机会。
- 机器人操作学习综述：挑战、表示和算法
自主系统中智能机器人学习如何操作环境的一篇综述性研究，该研究着重于利用机器学习解决机器人操作的问题，并阐述了该领域的众多研究机遇和挑战。
- MM基于会话的推荐系统综述
本文回顾了 session-based recommender systems 的现有研究，总结了数据特征和挑战，并提出了新的研究机会。
- 解释第一印象：从视频中建模、识别和解释显而易见的个性
本文介绍了解释性和可解释性对于决策支持系统的两个关键方面，并探索了这些方面在计算机视觉中的应用，特别是在人类行为分析方面。文章描述了一个挑战，旨在提升解释性在第一印象分析中的应用。通过对引入的数据集，评估协议的详细分析和解释性挑战的结果，总 - 机器学习模型分析的改进：可视化分析的视角
本研究论文系统地总结了交互模型分析的三大类任务：理解、诊断和改进，旨在帮助用户高效解决实际的人工智能和数据挖掘问题，同时探讨了相关未来研究机会。